[发明专利]一种文本信息的多粒度表示方法

权利要求书

1.一种文本信息的多粒度表示方法，其特征在于，包括以下步骤：

步骤S1：利用多粒度文本表示模型的学习，训练生成多粒度的文本模型；

步骤S2：基于多粒度文本特征模型集成，形成文本信息多粒度集成表示。

2.根据权利要求1所述文本信息的多粒度表示方法，其特征在于：所述多粒度文本表示模型由多个不同粒度的文本模型构成，形成多层结构的模型，各层粒度文本模型特征单元之间相互关联；该模型用于文本信息的多粒度表示。

3.如权利要求1所述的文本信息的多粒度表示方法，其特征在于：多粒度文本表示模型的学习过程包括以下步骤：

步骤S11：对不同粒度的文本模型分别进行学习；

步骤S12：分析不同粒度文本模型特征单元之间的关系，将不同粒度文本模型组合起来构成多层结构的文本表示模型。

4.根据权利要求1所述文本信息的多粒度表示方法，其特征在于：所述多粒度文本特征集成，基于全局权重的多粒度文本特征集成为不同粒度的文本模型赋予各自的权重，对它们的文本特征空间进行加权合并得到新的文本特征空间，从而在新的特征空间融合了多粒度文本特征。

5.根据权利要求1所述文本信息的多粒度表示方法，其特征在于：所述多粒度文本特征集成，基于文本局部特征的多粒度文本特征集成其步骤是：

步骤S21：获取多个粒度文本模型的文本特征表示；

步骤S22：计算文本局部不同粒度特征的权值；

步骤S23：集成多粒度特征表示文本。

6.根据权利要求5所述文本信息的多粒度表示方法，其特征在于，所述集成多粒度特征表示文本，是利用文本局部不同粒度文本特征之间的包含关系，根据不同粒度的文本特征单元的概率分布参数，分析计算文本局部的各粒度文本特征的权值，在此基础上将文本的多粒度特征表示集成。

7.如权利要求4和5所述的文本信息的多粒度表示方法，其特征在于：所述多粒度文本特征集成采取基于全局权重的多粒度文本特征集成，或采取基于文本局部特征的多粒度文本特征集成。

8.如权利要求1所述的文本信息的多粒度表示方法，其特征在于：所述文本特征，所使用的文本特征由多个不同粒度的文本模型提供，文本模型的学习在语料库的支持下实现；其中，不同粒度的文本表示模型是同一类型的文本表示，或是不同类型的文本表示。

9.如权利要求1和5所述的文本信息的多粒度表示方法，其特征在于：若其在步骤S2的集成多粒度文本特征中使用基于文本局部特征的多粒度文本特征集成，则在步骤S1的各粒度文本模型的学习过程中，需要学习不同粒度文本特征单元的概率分布参数。

10.如权利要求4所述的文本信息的多粒度表示方法，其特征在于：所述的基于全局权重的文本多粒度特征集成，是在文本表示中，通过调整不同粒度的文本模型被赋予的各自全局权重，若其中只有一个文本模型的全局权重不为零，则文本的多粒度表示方法退化成为单粒度表示。

11.如权利要求5所述的文本信息的多粒度表示方法，其特征在于：所述的基于文本局部特征的文本多粒度特征集成，是在文本表示中，通过调整不同粒度的文本模型被赋予的各自全局权重，若其中只有一个文本模型的全局权重不为零，则文本的多粒度表示退化成为单粒度表示。